基于PCA-SVM的滚动轴承故障诊断研究

• 作者: 张沛朋 郭飞燕
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: 轴承故障诊断 时域指标 主成分分析 支持向量机
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 控制与检测
• 页码范围: 88-90
• 页数: 3页
• 分类号: TH133.3|TG506
• 字数: 1435字
• 语种: 中文
• DOI: 10.13462/j.cnki.mmtamt.2015.11.025

摘要

针对滚动轴承振动信号的时域指标之间存在很强的关联性,冗余信息较多,采用主成分分析结合支持向量机实现了滚动轴承故障的准确诊断. 首先在故障模拟试验台测量振动信号,然后提取振动信号的12个时域特征,对12个基本时域特征进行主成分分析,提取累计贡献率≥95的特征值信息作为主成分. 最后将提取的精简特征作为支持向量机的输入,实现对不同轴承故障的分类识别.实验结果证明针对四种轴承状态,识别率达到90%,提出的结合PCA-SVM是一种有效的滚动轴承故障诊断方法.